一种改进的萤火虫算法及在洗出优化中的应用

doi:10.16182/j.issn1004731x.joss.19-0226

系统仿真学报 ›› 2021, Vol. 33 ›› Issue (2): 306-314.doi: 10.16182/j.issn1004731x.joss.19-0226

一种改进的萤火虫算法及在洗出优化中的应用

王辉, 吕兴顺^*

中国民航大学航空工程学院,天津 300300

收稿日期:2019-05-24 修回日期:2019-10-15 出版日期:2021-02-18 发布日期:2021-02-20
通讯作者: 吕兴顺(1993-),男,硕士,研究方向为飞行仿真技术和智能算法与控制。Email: mike_simon2000@163.com
作者简介:王辉(1966-),男,教授,博士,研究方向为飞行仿真技术和流体传动及控制。Email: 1294127743@qq.com
基金资助:
国家自然科学基金委员会与中国民用航空局联合资助项目(U1733128)

An Improved Firefly Algorithm and its Application in Washout Optimization

Wang Hui, Lü Xingshun^*

College of Aeronautical Engineering, Civil Aviation University of China, Tianjin 300300, China

Received:2019-05-24 Revised:2019-10-15 Online:2021-02-18 Published:2021-02-20

摘要/Abstract

摘要： 为提高萤火虫算法精度,解决该算法迭代步长固定易陷入局部最优等问题,提出一种改进的萤火虫算法—极值优化萤火虫算法(Extremal Optimization Firefly Algorithm,EOFA)。EOFA是将极值动力学算法强大的局部搜索能力与萤火虫算法的强搜索性相结合,采用倒S型函数的迭代步长,提高萤火虫算法的寻优能力。函数寻优测试的仿真结果表明：改进的EOFA相较于萤火虫算法以及粒子群算法都具有更好的寻优性能。将该改进算法应用洗出算法参数优化中,得到了满意的效果。

关键词: 萤火虫算法, 极值动力学算法, 洗出算法, 感知误差, 参数优化

Abstract: To improve the accuracy of the firefly algorithm (FA) and solve the problem of fixed iteration step of the algorithm and easy to fall into local optimum, an improved firefly algorithm is proposed, i.e., EOFA. The EOFA algorithm combines the strong local search ability of extremal optimization algorithm with the strong search ability of firefly algorithm, and adopts the iterative step size of inverted s-type function to improve the optimization ability of the firefly algorithm. The simulation results of function optimization test shows that the improved EOFA algorithm has better optimization performance than firefly algorithm and particle swarm optimization (PSO) algorithm. The improved algorithm is applied to parameter optimization of washout algorithm, and satisfactory result is obtained.

Key words: firefly algorithm, extremum optimization, wash out algorithm, perception error, parameter optimization

中图分类号:

TP391.9

王辉, 吕兴顺. 一种改进的萤火虫算法及在洗出优化中的应用[J]. 系统仿真学报, 2021, 33(2): 306-314.

Wang Hui, Lü Xingshun. An Improved Firefly Algorithm and its Application in Washout Optimization[J]. Journal of System Simulation, 2021, 33(2): 306-314.

参考文献

[1] Xin-She Yang.Nature-Inspired Metaheuristic Algorithms [M]. Beckington, UK: Luniver Press, 2008.
[2] 赵玉新, Xin-She Yang, 刘利强. 新兴元启发式优化方法[M]. 北京: 科学出版社, 2013.
Zhao Yuxin, Yang Xinshe, Liu Liqiang.Emerging Meta-heuristic Optimization Method[M]. Beijing: Science Press, 2013.
[3] Yang X S. Firefly Algorithm, Levy Flights and Global Optimization[C]. Research and Development in Intelligent Systems XXVI 2010, 2010: 209-218.
[4] Coelho L D S, Bernert D L D A. A Chaotic Firefly Algorithm Applied to Reliability-Redundancy Optimization[C]. IEEE Congress on Evolutionary Computation (CEC2011). New Orleans LA, USA: IEEE, 2011: 517-521.
[5] 董静. 萤火虫算法研究及其在水下潜器路径规划中的应用[D]. 哈尔滨: 哈尔滨工程大学, 2013.
Dong Jing.Research on Firefly Algorithm and its Application in Underwater Vehicle Path Planning[D]. Harbin: Harbin Engineering University, 2013.
[6] 王小亮. 列车驾驶模拟器经典洗出算法的参数优化[J].中国铁道科学, 2008(5): 103-107.
Wang Xiaoliang.Parameter Optimization of the Classical Washing Algorithm for Train Driving Simulator[J]. China Railway Science, 2008(5): 103-107.
[7] 杨宇. 飞行模拟器动感模拟关键技术研究[D]. 哈尔滨: 哈尔滨工业大学, 2010.
Yang Yu.Research on Key Technology of Flight Simulator Dynamic Simulation[D]. Harbin: Harbin Institute of Technology, 2010.
[8] 王辉, 朱道扬, 平凡. 基于模糊逻辑的高逼真度运动体感算法研究[J]. 系统仿真学报, 2017, 29(3): 546-551, 558.
Wang Hui, Zhu Daoyang, Ping Fan.Based on Fuzzy Logic Algorithm of High Fidelity Motion Body Feeling Study[J]. Journal of System Simulation, 2017, 29(3): 546-551, 558.
[9] 席亚东. 萤火虫算法的桥式吊车PID控制方法[D]. 杭州: 浙江大学, 2018.
Xi Yadong.Bridge Crane PID Control Method based on Firefly Algorithm[D]. Hangzhou: Zhejiang University, 2018.
[10] 张丽娜. 萤火虫算法研究及其在船舶运动参数辨识中的应用[D]. 哈尔滨: 哈尔滨工程大学, 2017.
Zhang Lina.Research on Firefly Algorithms and Their Application in Ship Motion Parameter Identification[D]. Harbin: Harbin University of Engineering, 2017.
[11] 李珂, 王艳, 纪志成. 基于混合策略的入侵杂草算法的FJSP问题研究[J]. 系统仿真学报, 2018, 30(5): 1918-1926.
Li Ke, Wang Yan, Ji Zhicheng.FJSP Problem of Hybrid Strategy Based Invasive Weed Algorithm[J]. Journal of System Simulation, 2018, 30(5): 1918-1926.
[12] 王辉, 万毅, 平凡. 飞行模拟器洗出算法的优化研究[J]. 科学技术与工程, 2015, 15(29): 83-86, 94.
Wang Hui, Wan Yi, Ping Fan.Study on Optimization of Flight Simulator Washout Algorithm[J]. Science and Technology and Engineering, 2015, 15(29): 83-86, 94.
[13] Hosman R, Van Der Vaart J C. Vestibular Models and Thresholds of Motion Perception. Results of Tests in a Flight Simulator[D]. Delft: Delft University of Technology, 1978.

[1]	段绍米, 罗会龙, 刘海鹏. 人群搜索和樽海鞘群的混合算法优化PID参数[J]. 系统仿真学报, 2022, 34(6): 1230-1246.
[2]	李亦豪, 张志利, 李向阳, 龙勇. 特种车辆模拟驾驶训练中六自由度平台控制研究[J]. 系统仿真学报, 2021, 33(11): 2681-2690.
[3]	王辉, 柳颖涛. 基于逻辑控制的双输入运动体感算法研究[J]. 系统仿真学报, 2021, 33(1): 91-98.
[4]	邓涛, 李鑫. 基于模型预测控制的智能车辆避障跟踪仿真[J]. 系统仿真学报, 2020, 32(8): 1556-1566.
[5]	於万里, 王艳, 纪志成. 氨糖发酵过程建模与工艺参数优化研究[J]. 系统仿真学报, 2020, 32(10): 1895-1902.
[6]	付文锋, 陈海文, 王蓝婧. 基于粒子群算法的二次再热机组参数优化分析[J]. 系统仿真学报, 2019, 31(4): 710-719.
[7]	陈斌, 王立文. 基于航班动态的飞机地面除冰装备数量优化[J]. 系统仿真学报, 2019, 31(4): 757-764.
[8]	李燕, 何怡刚. 基于萤火虫算法纯电动汽车参数匹配优化[J]. 系统仿真学报, 2019, 31(4): 795-801.
[9]	丁家乐, 陈国初, 原阔. 基于改进萤火虫算法的短期风功率预测[J]. 系统仿真学报, 2019, 31(11): 2509-2516.
[10]	王辉, 张保峰. 基于模糊自适应飞行模拟器体感算法的研究[J]. 系统仿真学报, 2019, 31(10): 2052-2057.
[11]	张小平, 宋文浩, 朱红萍. Buck-Boost矩阵变换器主电路及控制参数多目标优化[J]. 系统仿真学报, 2018, 30(8): 3042-3049.
[12]	禹建丽, 黄鸿琦, 苗满香. 基于主成分分析与神经网络的多响应参数优化[J]. 系统仿真学报, 2018, 30(1): 176-184.
[13]	王辉, 朱道扬, 平凡. 基于模糊逻辑的高逼真度运动体感算法研究[J]. 系统仿真学报, 2017, 29(3): 546-551.
[14]	罗木生, 王宗杰, 葛文才. 吊放声纳搜潜参数正交试验设计与优化[J]. 系统仿真学报, 2017, 29(3): 669-675.
[15]	王辉, 朱道扬, 傅孝靖. 飞行模拟器洗出算法优化设计及仿真[J]. 系统仿真学报, 2017, 29(2): 418-423.

一种改进的萤火虫算法及在洗出优化中的应用

An Improved Firefly Algorithm and its Application in Washout Optimization

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价